人中性粒细胞脂质运载蛋白辅助急诊科细菌感染诊断
该数据集来自 clinicaltrials.gov,为一项观察性研究,评估人中性粒细胞脂质运载蛋白(HNL)在急诊科疑似感染患者中的诊断与预后价值

基本信息
资源简介
人中性粒细胞脂质运载蛋白辅助急诊科细菌感染诊断
该数据集来自 clinicaltrials.gov,为一项观察性研究,评估人中性粒细胞脂质运载蛋白(HNL)在急诊科疑似感染患者中的诊断与预后价值。覆盖感染、细菌感染、病毒感染及脓毒症等人群。研究关注早期识别细菌感染与脓毒症的难点,以及区分低风险患者与存在临床恶化风险患者对治疗决策、分诊和处置规划的意义。数据可用于探索 HNL 作为区分细菌与病毒感染生物标志物的诊断与预测建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:感染、感染 - 细菌、病毒感染、脓毒症。这项观察性研究评估人中性粒细胞脂质运载蛋白(HNL)在因疑似感染就诊于急诊科(ED)的患者中的诊断和预后价值。由于临床表现的异质性以及缺乏高度准确的诊断工具,早期识别细菌感染和脓毒症仍然是急诊救治中的一大挑战。特别是,区分低风险患者与存在临床恶化风险的患者,对于适当的治疗决策、分诊和处置规划至关重要。延迟识别细菌感染和脓毒症与不良结局相关,尤其是在表现不典型的患者中。HNL 已成为一种有前景的生物标志物,用于区分细菌与病毒感染。既往研究已 d
【主题与分类】
主题标签:Infections、Infections - Bacterial、Viral Infection、Sepsis。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07796945
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT07796945
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件:感染、细菌感染、病毒感染、脓毒症。本观察性研究评估人中性粒细胞载脂蛋白(HNL)在因疑似感染就诊于急诊科(ED)的患者中的诊断和预后价值。由于临床表现的异质性以及缺乏高度准确的诊断工具,细菌感染和脓毒症的早期识别仍然是急诊救治中的一大挑战。特别是,区分低风险患者与存在临床恶化风险的患者,对于恰当的治疗决策、分诊和处置规划至关重要。细菌感染和脓毒症的延迟识别与不良结局相关,尤其是在表现不典型的患者中。HNL已成为一种有前景的生物标志物,用于区分细菌感染与病毒感染。既往研究已证明HNL具有较高的诊断准确性,报告的敏感性和特异性超过90%,可能优于常规使用的生物标志物,如白细胞计数(WBC)和C反应蛋白(CRP)。
一种快速、可靠的细菌感染识别生物标志物可支持更早诊断、优化患者管理、减少进展为脓毒症,并有助于更合理地使用抗生素。本研究的主要目的是评估HNL在急诊科患者中检测细菌感染的诊断性能,并将其准确性与其常规使用的生物标志物(包括WBC、CRP和降钙素原(PCT))进行比较。次要目的包括:比较血清与活化锂肝素全血中HNL测量的诊断性能。评估可能影响HNL预测价值的因素,包括年龄、性别、合并症、免疫抑制和抗生素治疗。评估HNL对30天死亡率的预后价值,并将其性能与血清乳酸(一种已确立的不良结局预测指标)进行比较。本研究的结果可能有助于改善风险分层
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




